卷積、池化、反捲積、反池化、上採樣的知識點記錄

卷積：

SAME：輸入大小不夠時會在右邊加padding補足。output_shape = ceil(input_shape/ stride_size)

VALID：output_shape = ceil((input_shape + kernel_shape - 1) / stride_size)

 

池化：

池化沒有參數，除非使用tf.nn.max_pool_with_argmax_and_mask記錄pool時的最大值下標

 

反捲積：

在卷積核大小大於輸入大小時，padding默認使用VALID，置SAME沒有意義。

padding設置VALID時，stride大小不能大於1；設置爲SAME時，要指定output_shape，因爲會有兩種可能輸出。

 

反池化（unpool）:

unPool會需要使用pool時記錄的最大值下標

tf.nn.max_pool_with_argmax_and_mask

tf.nn.max_unpool(input, max_pool_with_argmax_and_mask,...)

 

上採樣（upsampling）：

使用簡單複製或者插值的方式。